基于统计学习预测技术提高传感器稳定度

林继鹏; 刘君华

doi:10.13873/j.1000-97872008.09.036

Chinese

您当前的位置：

首页 >

文章列表页 >

基于统计学习预测技术提高传感器稳定度

研究与探讨 | 更新时间：2025-09-11

- 基于统计学习预测技术提高传感器稳定度
- Stability enhancement of sensor based on statistical learning prediction method
- 传感器与微系统 2008年第9期页码：33-36
- 作者机构：
  
  1. 长安大学电子与控制工程学院
  2. 西安交通大学电气工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（60276037,50077016）
- DOI：10.13873/j.1000-97872008.09.036
  中图分类号： TP212
- 纸质出版：2008
- 稿件说明：
移动端阅览
[1]林继鹏,刘君华.基于统计学习预测技术提高传感器稳定度[J].传感器与微系统,2008(09):33-36.

LIN Ji-peng1, LIU Jun-hua2. Stability enhancement of sensor based on statistical learning prediction method[J]. 2008, (9): 33-36.
[1]林继鹏,刘君华.基于统计学习预测技术提高传感器稳定度[J].传感器与微系统,2008(09):33-36. DOI： 10.13873/j.1000-97872008.09.036.

LIN Ji-peng1, LIU Jun-hua2. Stability enhancement of sensor based on statistical learning prediction method[J]. 2008, (9): 33-36. DOI： 10.13873/j.1000-97872008.09.036.

摘要

针对传感器的输出随温度和电源的波动以及自身的某些特性的改变等因素而发生零点漂移现象

提出了一种对以上非目标量进行预测处理以消除它们对传感器输出影响的支持向量机（SVM）预测技术。这种方法不需要建立大量的观测样本

也不需要对观测样本进行特征提取就可以取得良好的改善效果

具有较好的实用价值。以2只半导体传感器为研究对象的测试结果表明:利用该方法使稳定性提高了6倍。同时

提出了2种优化算法:增量样本法和降一阶算法。

Abstract

A prediction method based on support vector machine（SVM）is proposed aimed at decreasing the zero drift of gas sensor caused by temperature

power swing and change of inner characteristics.No large scale samples and feature extraction are needed to get acceptable result

and it has popularly application domains.The measurement results of two semiconductor gas sensors as research object indicate that the stability is increased six times

the optimized ways of increasing samples and decreasing one order are also presented.

关键词

Keywords

references

智能传感器系统[M]. 西安电子科技大学出版社 , 刘君华编著, 1999

Support-Vector Networks [J] . Corinna Cortes,Vladimir Vapnik. Machine Learning . 1995 (3)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于惯性传感器数据融合的异常步态评估模型

基于因子图的视觉与UWB组合定位方法

多协议智慧医疗健康信息系统设计与实现

基于图像处理与RSSI信号的室内定位算法

模糊神经网络数据融合在体域网中的应用